Queridos todos, he notado algo extraño que no puedo explicar, ¿verdad? En resumen: el enfoque manual para calcular un intervalo de confianza en un modelo de regresión logística y la función R confint()
dan resultados diferentes.
He estado pasando por la regresión logística aplicada de Hosmer & Lemeshow (2a edición). En el tercer capítulo hay un ejemplo de cálculo de la razón de posibilidades y el intervalo de confianza del 95%. Usando R, puedo reproducir fácilmente el modelo:
Call:
glm(formula = dataset$CHD ~ as.factor(dataset$dich.age), family = "binomial")
Deviance Residuals:
Min 1Q Median 3Q Max
-1.734 -0.847 -0.847 0.709 1.549
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.8408 0.2551 -3.296 0.00098 ***
as.factor(dataset$dich.age)1 2.0935 0.5285 3.961 7.46e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 136.66 on 99 degrees of freedom
Residual deviance: 117.96 on 98 degrees of freedom
AIC: 121.96
Number of Fisher Scoring iterations: 4
Sin embargo, cuando calculo los intervalos de confianza de los parámetros, obtengo un intervalo diferente al indicado en el texto:
> exp(confint(model))
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.2566283 0.7013384
as.factor(dataset$dich.age)1 3.0293727 24.7013080
Hosmer y Lemeshow sugieren la siguiente fórmula:
y calculan el intervalo de confianza para as.factor(dataset$dich.age)1
ser (2.9, 22.9).
Esto parece sencillo de hacer en R:
# upper CI for beta
exp(summary(model)$coefficients[2,1]+1.96*summary(model)$coefficients[2,2])
# lower CI for beta
exp(summary(model)$coefficients[2,1]-1.96*summary(model)$coefficients[2,2])
da la misma respuesta que el libro.
Sin embargo, ¿alguna idea de por qué confint()
parece dar resultados diferentes? He visto muchos ejemplos de personas que usan confint()
.